当字符串长度不同时，R将字符串拆分为多列，dplyr答案

【问题标题】：R split a character string into multiple columns when have different string lengths, dplyr当字符串长度不同时，R将字符串拆分为多列，dplyr
【发布时间】：2020-06-08 00:08:36
【问题描述】：

我有动物跟踪数据，其中随着时间的推移遇到了每只动物，并在每次遭遇时记录了性别。遭遇分为三种类型（type1、type2 和 type3）。每行代表一种动物，每次遭遇被分类为 M（雄性）或 F（雌性）。类型中的每个字符都代表一次遭遇（例如，MMMM 是一种动物，见过四次，每次都记录为雄性）。

样本数据：

animal.ID    type1         type2       type3
1            MMMMMMM       M           M
2            MFMM          M           M
3            FFM           F           F
4            FFFFFFFFF     F           F  
5            MM            M           M

我想知道每只动物的性别（雄性还是雌性）记录是否一致。

我想制作这样的东西，其中一列指示性别是否始终如一地记录 (1) 或不 (0)。

animal.ID    type1         type2       type3    consistent
1            MMMMMMM       M           M         1
2            MFMM          M           M         0
3            FFM           F           F         0
4            FFFFFFFFF     F           F         1
5            MM            M           M         1

我可以使用 if_else 来获取 type2 和 type3 数据的“一致”列：

df %>%
   mutate(consistent = if_else(type2 == type3), 1, 0))

但是，我不能包含 type1 数据，因为它在每个字符串中有多个字符，并且每个字符串中的字符数不同。

一种方法是使用 str_split 将 type1 拆分为多个列，但是，鉴于每个字符串中的字符数不同，我不知道如何做到这一点。

【问题讨论】：

标签： r dplyr tidyverse stringr stringi

【解决方案1】：

一种方法可能是使用strsplit 和unlist，检查所有字符是否等于type2（除了检查type2 是否等于type3）。

df %>%
  rowwise() %>%
  mutate(consistent = ifelse(type2 == type3 & all(unlist(strsplit(type1, "")) == type2), 1, 0))

输出

# A tibble: 5 x 5
  animal.ID type1     type2 type3 consistent
      <int> <chr>     <chr> <chr>      <dbl>
1         1 MMMMMMM   M     M              1
2         2 MFMM      M     M              0
3         3 FFM       F     F              0
4         4 FFFFFFFFF F     F              1
5         5 MM        M     M              1

【讨论】：

【解决方案2】：

我们可以使用charToRaw 来获得type1 的“原始”表示，如果它们都相同则赋值为1。

df$consistent <- +(sapply(df$type1, function(x) length(unique(charToRaw(x)))) ==1)

使用dplyr，我们可以使用相同的逻辑：

library(dplyr)

df %>%
  rowwise() %>%
  mutate(consistent = +(n_distinct(charToRaw(type1)) == 1))


#  animal.ID type1     type2 type3 consistent
#      <int> <chr>     <chr> <chr>      <int>
#1         1 MMMMMMM   M     M              1
#2         2 MFMM      M     M              0
#3         3 FFM       F     F              0
#4         4 FFFFFFFFF F     F              1
#5         5 MM        M     M              1

数据

df <- structure(list(animal.ID = 1:5, type1 = c("MMMMMMM", "MFMM", 
"FFM", "FFFFFFFFF", "MM"), type2 = c("M", "M", "F", "F", "M"), 
type3 = c("M", "M", "F", "F", "M")), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

【解决方案3】：

另一个使用逻辑的解决方案@Ronak Shah

library(tidyverse)
df %>% 
      unite("all_type", starts_with("type"), sep = "", remove = F) %>% 
      mutate(consistent = map(strsplit(all_type, ""), ~ +(n_distinct(.x) == 1)))

【讨论】：